hypeR包：多种富集分析的额外选择

hypeR包：多种富集分析的额外选择 by 生信碱移

老铁们快点击蓝字 关注起来

生信碱移

hypeR富集工具

基因集富集是一种流行的注释高通量测序数据的方法。Anthony Federico为基因集丰富工作流程提供了一个全面的 R 包，内置结果报告并提供多种富集、可视化和共享方法。hypeR 是一个一站式解决方案，可以为广泛的受众执行基因集富集。

示例文件与代码的获取：afhype

项目地址：https://github.com/montilab/hypeR

软件包与参数设置

①引用R包（没有安装的需要安装）：

#devtools::install_github("montilab/hypeR")
library(hypeR)
library(dplyr)

②设置参数

###参数设置
hyperdb_available() #参看目前内置的基因集数据集
#          source                                gsets
#1           KEGG                       KEGG_v92.0.rds
#2  METABOANALYST   METABOANALYST_DISEASE_CSF_v5.0.rds
#3  METABOANALYST METABOANALYST_DISEASE_FECAL_v5.0.rds
#4  METABOANALYST METABOANALYST_DISEASE_URINE_v5.0.rds
#5  METABOANALYST          METABOANALYST_DRUG_v5.0.rds
#6  METABOANALYST          METABOANALYST_KEGG_v5.0.rds
#7  METABOANALYST         METABOANALYST_SMPDB_v5.0.rds
#8  METABOANALYST              METABOANALYST_WITH_HMDB
#9  METABOANALYST              METABOANALYST_WITH_HMDB
#10 METABOANALYST              METABOANALYST_WITH_HMDB
#11 METABOANALYST              METABOANALYST_WITH_HMDB
#12 METABOANALYST              METABOANALYST_WITH_HMDB
#13 METABOANALYST              METABOANALYST_WITH_HMDB
#14 METABOANALYST              METABOANALYST_WITH_HMDB
#15 METABOANALYST                            README.md
#16      REACTOME                   REACTOME_v70.0.rds
#17        REFMET                           README.Rmd
#18        REFMET                            README.md
#19        REFMET         RMSETS_RefMet_2022_05_11.rds
#20         SMPDB                      SMPDB_v2.75.rds
#选择KEGG数据集
genesets <- msigdb_gsets("Homo sapiens", "C2", "CP:KEGG")
logFCfil=1    #设置logFc过滤标准，绝对值
Pfil=0.05     #设置P值过滤标准
adjPfil=0.05  #设置矫正后的P值过滤标准

文件读入

①输入文件，"diff.txt"表头如下（分别对应有三列）：

#读入差异分析结果
limma=read.table("diff.txt",sep = "\t",header = T,check.names = F)
limma=limma[,c(1,2,5,6)]
colnames(limma)=c("symbol","logFC","PValue","adj.Pval")
#添加高低表达分组分组
limma$group=ifelse(limma$logFC==0,"Stable",ifelse(limma$logFC>0,"UP","Down"))

①无权重基因的分析

（即单纯的基因列表）

signature <- limma %>% 
  dplyr::filter(abs(logFC) > logFCfil & PValue<Pfil & adj.Pval < adjPfil) %>% 
  magrittr::use_series(symbol)
head(signature)
#开始富集,生成hyp_obj对象
hyp_obj <- hypeR(signature, genesets, test="hypergeometric", background=50000, fdr=0.01, plotting=TRUE)
#保存文件
hyp_to_excel(hyp_obj,"kegg.xls")

#查看一下显著的结果数目
length(hyp_obj$plots)

#绘制第一个具体信号的交集基因数目
hyp_obj$plots[[1]]

#展示结果表格，可以拖出保存
hyp_show(hyp_obj)

#展示点图
hyp_dots(hyp_obj)

#展示富集网络
ots)hyp_emap(hyp_obj)

#保存文件
hyp_to_excel(hyp_obj,"kegg.xls")

②有权重基因的分析

（logFC排序列表）

signature <- limma %>% 
  dplyr::arrange(desc(logFC)) %>% 
  dplyr::select(symbol, logFC) %>% 
  tibble::deframe()
#开始富集
hyp_obj <- hypeR(signature, genesets, test="kstest", fdr=0.05, plotting=TRUE)
# 保存结果表格
hyp_to_excel(hyp_obj,"Weighted.xls")

#可视化第一个通路结果
hyp_obj$plots[[1]]

③有分组的富集

signature <- limma %>% 
  dplyr::filter(abs(logFC) > logFCfil & PValue<Pfil & adj.Pval < adjPfil)
head(signature)
dn=signature$symbol[which(signature$group=="Down")]
up=signature$symbol[which(signature$group=="UP")]
signatures=list(Down=dn,UP=up)
mhyp <- hypeR(signatures, genesets, test="hypergeometric", background=50000)
# 保存结果表格
hyp_to_excel(mhyp,"group.xls")

#绘制点图
hyp_dots(mhyp, merge=TRUE, fdr=0.05, title="Differential gene enrichment")

END~

ixxmu / mp_duty

hypeR包：多种富集分析的额外选择 #5364

hypeR包：多种富集分析的额外选择 by 生信碱移